뉴로모픽 칩: AI 성능의 차세대 프론티어

Apple의 Tim Cook은 iPhone X 출시 시 "향후 10년간 기술의 길을 제시할 것"이라고 선언했습니다. 통합된 뉴럴 엔진(최초의 상용 안면인식 ASIC)은 딥 뉴럴 네트워크의 부상을 예고했습니다. 오늘, 뉴로모픽 프로세서가 AI의 가속화되는 수요를 유지할 유일한 실행 가능한 경로로 부상하고 있습니다.

왜 지금인가?

데이터 대역폭 병목과 끊임없이 증가하는 연산 요구에 직면하여, Yole Développement(프랑스 리옹)의 최근 보고서는 센싱과 컴퓨팅이 뉴로바이오로지컬 아키텍처를 모방해야 발전할 수 있다고 주장합니다.

EE Times와의 인터뷰에서 Yole 이미징 수석 애널리스트 Pierre Cambou는 뉴로모픽 센싱과 컴퓨팅이 향후 수십 년 동안 AI의 현재 과제 대부분을 해결하면서 새로운 애플리케이션 지평을 열 수 있다고 말했습니다. "뉴로모픽 엔지니어링은 생체모방과 AI 진보의 엔진을 향한 다음 단계입니다."라고 설명했습니다.

역사적 배경

Alan Turing이 "기계가 생각할 수 있는가?"라고 물은 지 70년, Carver Mead가 뉴로모픽 엔지니어링을 소개한 지 30년이 지났지만 실용적인 뇌 유사 기계는 elusive했습니다. 전환점은 Georgia Tech의 2006년 필드 프로그래머블 뉴럴 어레이와 MIT의 2011년 적응적 뉴런 행동 에뮬레이션 칩으로 왔습니다.

진정한 돌파구는 Toronto 대학 팀이 "딥 컨볼루셔널 뉴럴 네트워크로 ImageNet 분류"를 발표했을 때 왔습니다. 8층 컨볼루셔널 뉴럴 네트워크인 AlexNet 아키텍처는 120만 고해상도 이미지를 고양이, 개 등 1,000개 범주로 성공적으로 분류한 최초의 사례가 되었습니다. "AlexNet은 딥러닝이 더 강력함을 증명했고 AI의 급격한 상승을 촉발했습니다."라고 Cambou는 언급했습니다.

무어의 법칙 한계와 뉴로모픽 대안

현재 대부분의 딥러닝 구현은 무어의 법칙에 의존하며 "잘 작동해왔습니다". 하지만 분야가 성장함에 따라 고성능 저전력 칩에 대한 수요가 기존 스케일링이 제공할 수 있는 속도를 앞지를 것입니다. Cambou는 딥러닝이 현재 패러다임에 묶여 있으면 "실패할 것"이라고 경고했습니다.

그는 세 가지 핵심 장애물을 지적합니다. 첫째, 무어의 법칙 경제성: 소수 플레이어만 7nm 이후를 지속할 수 있어 혁신을 억제하는 독점 위험이 있습니다. 둘째, 데이터 양이 메모리 기술을 앞지르며 병목을 만듭니다. 셋째, 열의 벽: 7nm 칩은 와트당 약 1테라플롭을 제공하지만 자율주행차 구동에는 약 1킬로와트(1,000테라플롭)가 필요할 수 있는데 현재 기술로는 불가능합니다. 우수한 에너지 효율의 뉴로모픽 하드웨어가 전진 경로를 제공합니다.

Cambou는 새로운 메모리 기술을 활용하여 대역폭과 전력 효율을 높이는 파괴적 전환을 촉구합니다. 이것이 뉴로모픽 컴퓨팅의 본질입니다. "AI는 계속 발전할 것이고, 다음 도약은 뉴로모픽입니다."라고 말합니다.

뉴런과 시냅스

뉴로모픽 하드웨어는 센싱, 컴퓨팅, 메모리 부문 간 협업으로 연구실을 벗어나고 있습니다. 합작 투자, 전략적 제휴, Human Brain Project 같은 장기 EU 프로젝트가 진전을 가속화합니다.

상용 제품은 2024년 이전엔 어려울 수 있지만 잠재적 규모는 거대합니다. Intel의 2017년 Loihi 칩(13만 인공 뉴런)과 800만 뉴런 Pohoiki Beach 시스템, IBM TrueNorth(100만 뉴런, 2억 5,600만 시냅스), Brainchip Akida(120만 뉴런, 100억 시냅스)가 빠른 속도를 보여줍니다.

"시냅스가 뉴런보다 중요합니다."라고 Cambou는 말했습니다. "다음 단계는 현재 비동기 폰노이만 하이브리드에 애플리케이션을 구축하고, 수십억 시냅스를 추가하는 RRAM 기반 솔루션으로 나아가는 것입니다."

Micron, Western Digital, SK Hynix 같은 메모리 리더들이 뉴로모픽 설계를 추구하지만, 진정한 돌파구는 Weebit, Robosensing, Knowm, Memry, Symetrix 같은 집중된 스타트업에서 나올 수 있습니다. 그들의 멤리스터와 상변화 메모리 접근법은 시냅스 가소성 모방을 목표로 하며, MRAM은 뉴로모픽 스택을 보완할 것으로 보입니다.

뉴로모픽 센싱 생태계

뉴로모픽 센싱 생태계도 성숙하고 있으며, Misha Mahowald의 1991년 실리콘 뉴런에 뿌리를 둡니다. 오늘날 10개 미만 기업이 이벤트 기반 카메라와 센서를 제공합니다: Prophesee, Samsung, Insightness, Inivation, Celepixel. 프레임 기반 이미지는 인간의 눈만큼 자연스럽게 움직임을 포착할 수 없으며, 이벤트 기반 디바이스는 동적 장면에 대한 실시간 패턴 인식을 제공합니다.

Cambou는 "영화는 우리 뇌를 속이지만, 컴퓨터도 동일한 시각 정보 스트림이 필요합니다."라고 지적했습니다. 같은 원리가 청각, 이미징, 행동 센서에 적용되며 이는 일반 지능에 필수적입니다.

Yole은 뉴로모픽 센싱 매출이 2024년 4,300만 달러에서 2029년 20억 달러, 2034년 47억 달러로 상승할 것으로 예측합니다.

자동차뿐만 아니라

자동차 부문이 가장 분명한 초기 채택자이지만, 뉴로모픽 센싱과 컴퓨팅은 먼저 산업 및 모바일 애플리케이션(로보틱스, 실시간 인식, 물류)을 구동할 것입니다. "딥러닝은 대규모 데이터셋을 요구하지만, 뉴로모픽 시스템은 몇 장의 이미지나 단어로 학습하고 시간적 역학을 포착합니다."라고 Cambou는 설명했습니다.

10년 내 하이브리드 인메모리 컴퓨팅 칩이 매스마켓 자율주행을 열 수 있을 것입니다. 컴퓨터가 인간 같은 예지로 비구조화된 환경을 해석할 수 있게 될 것입니다.